● 摘要
智能视频监控利用数字图像处理的方法，对视频信息进行分析，以其处理结果直观、信息量大以及低成本等优势，在交通监视领域中得到广泛的运用，并有逐步代替人工作业的趋势。但是，视频质量受外部环境影响大、对视频图像包含信息分辨识别率不高等因素制约着智能监控的应用与推广。因此，增强视频信息的抗干扰能力、提高图像分析的准确率成为了智能视频监控领域的主要研究方向。
本文主要研究实现动车车号识别的智能视频监控方法，旨在设计一个实时性好，抗干扰性强、识别准确率高的识别系统。系统设计实现为以下三个步骤：动车车号定位，目标区域去模糊和车号识别。主要工作和成果为：
1、基于randon变换与改进型自适应混合高斯背景建模的动车车号检索与定位算法。针对单幅图像，首先分析视频流中帧图像的边缘特征，针对车号所处相对位置的特征对图像中的车号区域进行快速检索，对包含车号区域的图像中进行randon变换，再根据特征分布快速对车号区域进行定位。针对视频流，通过对高斯背景建模算法的自适应改进，提高背景建模效率，利用差分法快速对运动区域进行定位，得到车号区域。
2、提出基于总变差(Total Variation, TV)模型与图像金子塔模型相结合的去模糊算法。针对车号区域模糊的现象，首先对模糊图像进行边缘强化，得到边缘强化图像后利用TV-L1模型建立能量方程，得出包含有强边图像与原始模糊图像的模糊核计算公式；再通过金字塔图层建模保留高频特征自上而下进行迭代逼近得出最优的模糊核估计；最后通过维纳滤波器反卷积模糊核得出清晰图像估计。
3、对动车车号识别结果的矫正。在得出的清晰图像进行识别得出初步结果的基础上，进过对列车编码规则进行学习与总结，根据编码规则剔除不符合规则的识别结果，并根据有关编码顺序补齐识别缺失项，最终提高识别准确率。
最后，将以上算法进行了软件上的实现，构建出完整的识别软件结构。软件运行结果表明，本文提出算法在车号定位准确度达到84.5%，编码校正后识别率提高到95.4%，识别结果较为理想。